MultiPress：可解释的多模态新闻分类的多代理框架

随着多模态新闻内容的日益普及，有效的新闻主题分类需要能够对文本和图像等异构数据进行联合理解和推理的模型。现有方法通常独立处理模态或采用简单化的融合策略，限制了它们捕获复杂的跨模态交互和利用外部知识的能力。为了克服这些限制，我们提出了 MultiPress，这是一种用于多模式新闻分类的新颖的三阶段多代理框架。 MultiPress 集成了用于多模式感知、检索增强推理和门控融合评分的专用代理，以及奖励驱动的迭代优化机制。我们在新构建的大规模多模式新闻数据集上验证了 MultiPress，展示了相对于强大基线的显着改进，并强调了模块化多智能体协作和检索增强推理在提高分类准确性和可解释性方面的有效性。